我国建筑行业上市公司财务风险预警研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第12-20页 |
1.1 研究的背景及意义 | 第12-14页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究目的和意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-18页 |
1.2.1 国外研究现状 | 第14-16页 |
1.2.2 国内研究现状 | 第16-17页 |
1.2.3 国内外研究现状综述 | 第17-18页 |
1.3 研究内容与方法 | 第18-19页 |
1.3.1 研究内容 | 第18页 |
1.3.2 研究方法 | 第18-19页 |
1.4 本文创新点 | 第19-20页 |
第2章 相关理论基础 | 第20-30页 |
2.1 财务风险 | 第20-24页 |
2.1.1 财务风险界定 | 第20-21页 |
2.1.2 财务风险特征 | 第21页 |
2.1.3 财务风险影响因素 | 第21-24页 |
2.2 财务风险预警 | 第24-26页 |
2.2.1 财务风险预警的要素 | 第24-25页 |
2.2.2 财务风险预警的程序 | 第25-26页 |
2.3 粗糙集及BP神经网络理论 | 第26-30页 |
2.3.1 粗糙集理论 | 第26-27页 |
2.3.2 BP神经网络理论 | 第27-29页 |
2.3.3 粗糙集与BP神经网络结合运用 | 第29-30页 |
第3章 建筑行业上市公司财务风险预警指标体系构建 | 第30-40页 |
3.1 指标选取原则 | 第30-31页 |
3.2 财务指标选取与分析 | 第31-37页 |
3.2.1 偿债能力指标 | 第31-32页 |
3.2.2 资产运营能力指标 | 第32-34页 |
3.2.3 盈利能力指标 | 第34-35页 |
3.2.4 发展能力指标 | 第35-36页 |
3.2.5 现金流量指标 | 第36-37页 |
3.3 非财务指标选取与分析 | 第37-38页 |
3.3.1 股权结构 | 第37页 |
3.3.2 高层治理 | 第37-38页 |
3.3.3 重要事项 | 第38页 |
3.4 预警指标体系构建 | 第38-40页 |
第4章 建筑行业上市公司财务风险预警模型实证分析 | 第40-53页 |
4.1 研究样本的选取 | 第40-41页 |
4.2 运用粗糙集对指标体系进行约简 | 第41-47页 |
4.2.1 确定指标离散规则 | 第41-43页 |
4.2.2 指标体系约简 | 第43-45页 |
4.2.3 指标重要度与权重的确定 | 第45-47页 |
4.3 财务风险等级分类的确定 | 第47-49页 |
4.3.1 数据标准化 | 第47-48页 |
4.3.2 样本聚类分析 | 第48-49页 |
4.4 BP神经网络预警模型设计 | 第49-53页 |
4.4.1 BP神经网络初步设定 | 第49-50页 |
4.4.2 BP神经网络的参数选择 | 第50-51页 |
4.4.3 BP神经网络训练及检验结果 | 第51-53页 |
第5章 强化财务风险预警的政策建议 | 第53-57页 |
5.1 提升企业财务风险预警水平 | 第53-54页 |
5.1.1 健全建筑行业上市公司财务管理制度 | 第53页 |
5.1.2 提高财务管理人员素质水平和风险意识 | 第53-54页 |
5.2 建立科学的财务风险预警系统 | 第54-55页 |
5.2.1 完善企业财务风险预警指标体系 | 第54页 |
5.2.2 优化企业财务风险预警模型 | 第54-55页 |
5.3 加强财务风险预警日常控制措施 | 第55-57页 |
5.3.1 优化企业资产负债结构 | 第55页 |
5.3.2 加强企业资金运营管理 | 第55-57页 |
结论 | 第57-59页 |
参考文献 | 第59-62页 |
附录1 样本公司原始财务数据 | 第62-68页 |
附录2 原始财务数据离散化结果 | 第68-72页 |
附录3 聚类结果图 | 第72-73页 |
附录4 BP神经网络的MATLAB程序 | 第73-74页 |
致谢 | 第74页 |